基于高光谱遥感卫星时序序列玉米种植面积的提取

屈旭洲，施 冬

(长江大学 地球科学学院，湖北 武汉 430100)

1 引言

玉米是我国三大粮食作物之一，玉米的生产发展关系到我国国民经济的发展和人民的生活[1]。及时、准确地获取玉米的种植面积，可为相关部门进行农业规划、种植结构调整、灾害监测、加强田间生产管理等提供重要的基础信息[2]。随着遥感技术的迅速发展，遥感监测已成为提取农作物种植面积的重要技术手段之一[3～5]。遥感所具有的宏观观测、动态监测、多样化的技术手段为提取玉米种植区域提供了更加便利的方法。刘珂、周清波、吴文斌等反演了冬小麦叶面积指数，分析了光谱分辨率、高光谱数据波段选择和模型参数不确定性对叶面积指数反演精度和稳定性的影响[6]。

本研究以吉林省四平市梨树县为例，基于GF-1 WVF影像针对2019年梨树县玉米的归一化植被指数时序序列进行分析、计算与选取，结合多种分类方法，验证时序序列选取样本在梨树县的玉米提取精度上的效果，为梨树县农业部门提供一定的决策支持。

2 研究来源与方法

2.1 研究区概况

梨树县隶属于吉林省四平市，位于吉林省西南部，地处松辽平原腹地，农业是梨树县的基础产业，正常年景粮食产量17亿kg，其中玉米产量14亿kg，每年有10亿kg粮食进入销售市场或深加工[7]。从2020年四平市统计年鉴可得，2019年梨树县总粮食产量在19.96亿kg，玉米产量占18.86亿kg，人均占有粮食、贡献粮食、粮食单产和粮食商品率均在全国名列前茅，是国家重点商品粮基地县[8]。

2.2 数据获取

本文实验数据主要包括卫星影像GF1-WVF数据；实测点数据2020年9月13日梨树县的玉米区域实测点(图1)。

GE1WVF2019年9月15日、2019年10月2日、2019年10月21日

2.3 数据处理

对高分影像进行预处理，得到遥感影像进行波段运算；对实测点数据进行矢量化，一共26个实测点，其中8个作为样本点的选择依据，18个作为提取精度验证的依据。

2.4 研究方法

2.4.1 研究方法综述

本次实验是根据玉米生长的物候信息来提取玉米范围，梨树县的玉米是从4月底5月初就开始播种，到10月份左右开始收获，首先计算所获取遥感影像的归一化植被指数，利用归一化植被指数来凸显梨树县的植被长势，利用梨树县玉米生长的物候信息，观察出玉米在收获前后归一化植被指数的巨大变化情况，取玉米收获前后3幅影像计算的归一化植被指数，按加色法原理赋予他们颜色，凸显纹理信息，依据实测点选择样本，最后选择2个传统分类方法：最大似然法、最小距离法，以及2个深度学习方法：神经网络法语支持向量机的方法对合成影像进行分类，并验证精度(图2)。

图2 数据流图

2.4.2 归一化植被指数

研究证明,归一化植被指数( normalized difference vegetation index, NDVI)是监测地区和全球植被及生态环境的有效指标，是反演植被覆盖状况的最佳指示因子[8]。通过公式(1)计算出各个时期的NDVI数据。

NDVI=(NIR-R)/(NIR+R)

(1)

2.4.3 玉米的提取

2.4.3.1 影像信息增强

将红色附给2019年5月5日NDVI，绿色附给2019年5月17日NDVI，蓝色附给2019年6月28日NDVI，根据梨树县玉米的物候信息，在查询金谷粮食网的数据时发现梨树县玉米的收获时间为10月1日，且通过目视判读发现5月5日、5月17日、6月28日的NDVI影像符合要求；原因是5月5日、5月17日分别处于冬小麦长势正好的时候，遥感影像计算得到的NDVI上应该是大于0.4，而2019年10月1日处于玉米成熟之后，利用目视解译发现，此处的玉米均已收割完毕，所以遥感影像计算得到的2019年6月28日的NDVI应该在0.3以下；利用加色法原理，将不同的颜色赋予这三个月的NDVI影像，此时可以得到一个信息明显增强的影像。

2.4.3.2 监督分类提取玉米

将上一步得到的影像，使用最大似然法、最小距离法、神经网络法与支持向量机4种方法进行监督分类，样本分离度都在1.9以上，降低样本间的关联性，为分类精度提供保证。四种方法使用同样的样本，在归一化植被指数组合影像上进行分类提取，寻找最适合的当地玉米分类方法。

3 结果与分析

3.1 提取结果与提取精度验证

四种分类方法分类结果得出如图3，结果表明归一化植被指数与最大似然法和支持向量机结合的玉米方法提取效果最好，精度最高(表1)。

表1 提取精度

3.2 分析与结果

梨树县是玉米产量占粮食产量比重较大的地区之一，通过归一化植被指数对梨树县地物图像信息进行增强，得到信息经过强化后的影像，再依据实测点数据选择分类样本，达到图像中地物区分有明显差别，选择的样本有科学依据，再对其使用4种分类方法进行分类提取，得到最终结果。

图3 提取结果

根据提取的结果与提取精度最大似然法与支持向量机的方法精度较高与梨树县2020年统计年鉴对比最大似然法与政府公布数据相差最小，所以最大似然法结合归一化植被指数序列提取的玉米种植面积更适合梨树县玉米区域的提取，但是未来的趋势应是深度学习结合相关方法去做地物的提取，因此，接下来会从深度学习结合物候信息方面去提取农业方面的信息，以适应时代潮流，紧跟时代步伐。